基于3GPP信道模型的快速5G网络预测方法研究

［黄劲安 蔡子华］

1 引言

5G无线网络规划与传统的无线网络规划流程基本一致，主要步骤包括网络规模估算、网络参数规划和网络仿真验证等。虽然由于5G引入了某些新技术、新频段和新业务，在详细的网络规划上略有差异，但总体上差别不大。在5G无线网络规划中，网络仿真是必不可少的一项网络预测步骤，如图1所示。

目前国内从事无线网络规划的单位采用的主流仿真工具主要为法国Forsk的Atoll和英国Aircom的ASSET等国外软件，但这些仿真软件存在以下3个问题：

（1）软件本体：获取软件各核心模块及射线追踪模型license授权的成本高昂，企业通常只能购买数套，大部分设计人员无法通过实操进行仿真验证。

（2）仿真地图：仿真结果的准确性高度依赖于地图的精度，高精度地图需要花费重金购买，且需要不时更新，整体成本较高。

（3）软件操作：仿真软件对操作人员的素质要求较高，既需要熟悉软件本身的各项操作和功能，也要深入掌握基础参数的设置和输入。

图1 5G网络规划总体流程

5G无线网络的实际工程建设一般包含了可行性研究、总体设计、初步设计和施工图设计等阶段，在初步设计阶段，由于站址获取工作的不顺利而导致的站点变更现象屡见不鲜，因此规划设计人员同时需要对站址变更方案进行评估，以确定变更后的站址位置是否符合覆盖要求，而仿真也是站址变更方案评估时的主要手段。面对紧张的工程建设进度，常规仿真软件的操作复杂和应用范围窄的缺点暴露无遗。因此，寻找一种简单快速的5G网络预测方法，在特定场景下弥补常规仿真软件的缺失，具有一定的必要性。

2 信道模型选择

无线信道模型，在一般定义下是指对物理传播环境建立的确定性或统计性数学描述，该描述以直接测量或建立在传播理论基础上的分析和计算机仿真等为手段，能够有效、近似地表达无线通信环境的传播特征。现有的信道模型大致上可分为三类，一类是国际标准化组织提出的标准，一般为统计性模型，例如3GPP SCM/3D/D2D/HF、WINNER Ⅰ/Ⅱ/+、COST 259/273/2100/IC1004、ITU IMT-Advanced、IMT-2020、IEEE 802.11 TGn/TGac、QuaDRiGa、mmMAGIC、IEEE 802.15.3c/IEEE 802.11ad/aj/ay、MiWEBA、METIS、5GCM等，这些信道模型一般针对典型场景进行划分，没有明确的划分依据，其信道特性较宏观，但信道模型相对简单，计算量小；另一类是在统计性模型基础上进行测量校正后获得的信道模型，通过在多个试验场景和多个频段环境下进行大量的测试，获得与各个规划环境相匹配的统计描述，从而使信道模型具有适应不同规划场景的针对性，但这类模型的获取途径需耗费大量人力物力，在追求降本增效的通信规划设计行业内难以大规模使用；还有一类是在已知无线传播环境的具体特征的前提下，利用电磁波传播理论获得的确定性模型，例如Atoll软件常用的Crosswave、Aster射线追踪模型，这类信道模型的预测结果虽然比经验统计模型更准确，但对传播环境的具体特征要求较高，需要匹配高精度三维矢量地图，且计算过程更复杂。

因应简单快速的实际需求，同时考虑使用成本，在信道模型选择上，首先必须能包含影响高频无线信号传播的因素，如建筑物高度、街道宽度等；其次在适用频段上，由于5G使用的频率范围较宽，需兼顾sub 6GHz和毫米波频段的需求；第三，信道模型的计算要尽量简单，以节省预测时间，同时也需摆脱对高精度地图的依赖，降低维护成本。综合各种因素考虑，3GPP TR36.873和TR38.901模型基本能满足要求。

3GPP TR36.873与3GPP TR38.901信道传播模型都定义了UMa（城区宏站）、UMi（城区微站）、RMa（农村宏站）和InH（室内热点）四类场景，且同样区分LOS（视距传播）和NLOS（非视距传播）场景，两者的区别在于3GPP TR36.873的适用频率范围为2～6 GHz，而TR38.901的适用频率范围更宽，可拓展至0.5～100 GHz。此外，TR38.901模型与平均建筑物高度和街道宽度无关，仅与工作频率、接收天线高度、天线间距离有关。

在5G无线网络的覆盖预测中，一般按照UE处于小区边缘来考虑，由于UE与基站之间的传输路径大概率受到遮挡，因此在做链路预算时需使用非视距传播（NLOS）模型。图2为3.5 GHz频段下TR36.873模型和TR38.901模型在UMa和RMa场景下的非视距传播路径损耗关系对比。由图可见，无论在RMa场景下还是在UMa场景下，二者的计算结果几乎一致。

图2 TR36.873与TR38.901模型对比

虽然TR36.873模型能更充分地考虑到建筑物高度和街道宽度等对高频段信号传播影响的因素，但由于其适用频率范围仅为2～6 GHz，不能适应高频段5G网络覆盖预测的要求，因此具有更好通用性的TR38.901模型更能满足需求。

TR38.901信道模型的核心部分为路径损耗计算，具体计算模型如公式（1）所示：

其中：PLb为基础的路径损耗，需通过不同场景不同模型计算获得；

PLtw为经过建筑物外墙的穿透损耗；

PLin为建筑物内部损耗；

σp为穿透损耗的标准差。

四类场景UMa（城区宏站）、UMi（城区微站）、RMa（农村宏站）和InH（室内热点）的路径损耗分别如公式（2）、（3）、（4）和（5）所示：

其中：d3D为基站与UE之间的空间距离，单位为m；

h为建筑物的平均高度，单位为m；

fc为中心频率，单位为GHz；

穿透损耗和内部损耗分别如公式（6）、（7）所示。

其中：d2D为电磁波在建筑物内部传播的平面距离，单位为m；

f为中心频率，单位为GHz。

此外，UE所处的位置与电磁波视距传播的概率相关，系统在进行预测时需根据实际情况计算得到的概率选择恰当的信道模型。

3 系统设计

信道模型只能表达出UE与基站之间传播路径的衰耗，一般只能用于链路预算的编制，但无法反映规划区域内的网络覆盖质量。因此信道模型只能作为计算的基础，该种快速5G网络预测方法必须有系统化的设计，最终使规划设计人员通过该系统获得与常规仿真软件类似的交付成果。

3.1 需求概述

5G网络预测系统的总体思路是通过将地图数据栅格化，然后根据每个栅格所在的位置特征匹配合适的场景模型，然后计算出不同栅格的场强数值，按照数值输出渲染图层，最终在电子地图上叠加渲染图层，从而获得预测结果图，也可通过Excel表格输出预测结果。

参照常规仿真工具的功能，该5G网络预测系统需实现的基础功能如表1所示。

表1 5G网络预测系统的功能需求

需要注意的是，使用常规仿真软件进行网络覆盖预测时，一般除了RSRP预测之外，还需输出RS-SINR、上下行吞吐率等静态指标，某些场景下还需通过蒙地卡罗仿真进行话务量预测。但考虑到该系统其中一个重要目的是提升预测速度，作为常规仿真软件的补充，而并非要替代常规仿真软件，因此在功能设计上只考虑RSRP预测的输出即可。

3.2 场景判断与匹配

信道场景匹配功能是该系统最关键的一环，必须准确判断出每个栅格归属的场景，才能获得恰当的路径损耗计算模型。场景匹配主要有两种渠道，一种是基于建筑矢量地图数据的判断，另一种是基于平面地图POI（兴趣点）数据的判断。

（1）基于建筑矢量地图数据的判断

在常规渠道并不难获得国内大部分一线和二线城市的建筑矢量地图，这类地图包含了建筑物的边界轮廓矢量数据，矢量数据为地理信息软件界常用的shapefile格式，在空间上将集合描述为点、折线或多边形，地图中通过.shp和.shx文件记录几何形状本身和特征几何形状的索引，还有包含几何形状柱状属性的.dbf文件。除此之外，矢量数据中还包含了建筑物的楼层属性。图3为基于建筑矢量地图数据判断的流程，最终目的在于将基站数据和栅格数据匹配到对应的场景内。

（2）基于平面地图POI数据的判断

如前文所述，国内大部分一线城市和二线城市能较方便地获取建筑物矢量地图，换言之，三四线城市和一部分一二线城市的建筑物矢量地图一般很难通过常规渠道获得，即使能获取，也需要付出较高的地图采购成本。在这种情况下，就需要考虑其他匹配方式，例如使用平面地图的POI数据完成判断和匹配流程。

图3 基于建筑矢量地图数据的匹配流程

Mapinfo是从事无线网络规划工作常用的软件之一，其通用的数据交换格式MIF包含了判断和匹配流程所需的POI数据，其中的图形数据和文本数据分别保存在.mif和.mid文件内，采用ASCII码编制而成，可以通过直接读取这些数据进行判断，具体流程如图4所示。从流程图可以看出，使用此方法无法判断出室内热点场景，主要是因为POI数据缺失了地理位置高度相关信息。但实际上5G中的室内热点场景一般需建设独立室分系统，大部分室内热点无需通过室外站覆盖解决，因此采用该方法对主要功能并无影响。

图4 基于平面地图POI数据的匹配流程

3.3 渲染呈现

在获得各栅格的预测数据后，在系统前端描绘出栅格4个顶点组成的矩形，根据图例中定义的RSRP数值所对应的颜色，将矩形区域填充为该种颜色并显示。另外也根据基站工参数据中定义的基站位置、方向角、基站名称等参数在前端显示基站标识，还有建筑矢量数据的渲染图也需叠加在图层上。

4 与常规仿真软件的对比

利用前文所述的方法，可完成快速5G网络预测系统的设计。为测试该系统的效果，在广东省某三线城市的核心城区选取了约2平方公里的区域，与日常从事规划工作常用的Atoll软件进行了对比。

4.1 建筑物轮廓对比

图5所示为快速5G网络预测系统的地图细节与Atoll的对比，左边为快速5G预测系统在同一区域显示建筑物矢量图的效果，右边为Atoll软件导入5 m精度矢量地图的效果。由图5可见，建筑物轮廓清晰，与Atoll的5 m精度矢量地图效果基本相当，但图元丰富程度不及Atoll。

图5 快速5G网络预测系统地图界面与Atoll的对比

4.2 预测结果输出对比

图6所示为快速5G网络预测系统的RSRP预测结果与Atoll的对比，左边为快速5G预测系统输出20米精度RSRP预测的效果，右边为Atoll输出20米精度RSRP预测的效果。由图6可见，快速5G网络预测系统的预测结果比Atoll相对乐观，颜色过度缺乏平滑度，但实测计算机输出结果耗时仅需25秒，而Atoll耗时高达2分01秒。

图6 快速5G网络预测系统预测结果与Atoll的对比

4.3 操作简便程度对比

图7所示为快速5G网络预测系统与Atoll操作流程的对比，显然，Atoll的操作步骤更多，除地图导入工作外，还需进行传播模型设置，填写Site、Transmitter和Cell表，进行全局设置和无线设备参数设置等，快速5G网络预测系统明显在操作简便性上优于Atoll。

图7 快速5G网络预测系统与Atoll操作流程的对比

4.4 渲染精度

图8所示为快速5G网络预测系统5 m×5 m栅格精度与1 m×1 m栅格精度的RSRP预测效果，Atoll预测结果的精度受导入的矢量地图精度制约，5米精度的地图极限只能输出5米精度的预测结果，但快速5G网络预测系统能摆脱对地图精度的依赖，可以按需调整渲染的栅格精细程度。

图8 快速5G网络预测系统5米与1米栅格精度效果对比

5 结束语

常规仿真工具参数配置复杂，且运算量大，耗时较长，延长了规划周期。本文提出的基于3GPP信道模型的快速5G网络预测方法尽管仍然存在不足之处，但从提升网络规划与站址变更效率和内部降本增效的角度来看，仍然具有一定的价值。